基于改進SVM的垃圾郵件過濾系統(tǒng)研究與實現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)的不斷發(fā)展普及，電子郵件因其使用方便、快捷、容易存儲管理的優(yōu)點，已經(jīng)成為人們工作生活中不可或缺的交流工具。然而電子郵件帶來了巨大便利的同時，也產(chǎn)生了極大的困擾——垃圾郵件問題。垃圾郵件的泛濫對互聯(lián)網(wǎng)安全構成了極大的威脅，不僅占用了大量的帶寬，嚴重浪費了網(wǎng)絡資源，而且極大的影響了人們正常的工作生活。因此，反垃圾郵件工作具有重要的現(xiàn)實意義。
　　面對日益嚴重的垃圾郵件問題，基于機器學習的垃圾郵件過濾技術成為研究的熱點，其中基

2、于支持向量機的垃圾郵件過濾研究更是倍受青睞，取得了一些研究成果。然而在垃圾郵件過濾技術研究和應用的過程中仍然存在一些問題有待解決。例如如何在盡量避免正常郵件不被誤判的情況下，提高對垃圾郵件的識別能力、如何利用文本結構充分挖掘郵件語義信息，克服語義信息丟失問題以及如何通過整合現(xiàn)有過濾技術形成垃圾郵件過濾綜合解決方案等。
　　本文針對郵件過濾中存在的問題進行了研究，并最終構建了一個功能完善的垃圾郵件過濾系統(tǒng)。本文的主要工作包括以下三個

3、方面:
　　1.針對在垃圾郵件過濾過程中，正常郵件誤判的問題，本文提出了一種基于加權支持向量機的垃圾郵件過濾方法。該方法在保證垃圾郵件識別能力的同時，有效減少了對正常郵件的誤判。
　　本文提出的基于加權支持向量機的垃圾郵件過濾方法，克服了傳統(tǒng)的基于分類精度進行優(yōu)化的分類方法對兩類郵件的重要性未加以區(qū)別的缺點。該方法增加了兩類郵件的類別權重及反映每封郵件重要性的權重，然后對支持向量機進行訓練，得到垃圾郵件過濾器。通過調整類別權

4、重，在保證分類精度的同時，盡可能的降低對正常郵件的誤判率。實驗結果表明該方法提高了過濾效果。
　　2.針對垃圾郵件過濾時由于忽略文本結構而導致大量語義信息丟失的問題，本文提出了一種基于類別相關度量的詞序列核，并將其應用于垃圾郵件過濾中，提高了垃圾郵件過濾的準確率。
　　針對支持向量機中常用核函數(shù)由于忽略文本結構而導致大量語義信息丟失的現(xiàn)象，提出一種類別相關度量的詞序列核，并將其應用于支持向量機垃圾郵件過濾中。該方法首先提取郵

5、件文本特征并計算特征的類別相關度量，然后利用詞序列核作為核函數(shù)訓練支持向量機，訓練過程中利用類別相關度量計算詞的衰減因子，最后對郵件進行分類。實驗結果表明，與常用核函數(shù)和字符串核相比，改進的詞序列核分類準確率最高，該方法提高了垃圾郵件過濾的準確率。
　　3.針對單一垃圾郵件過濾技術難以達到滿意過濾效果的問題，本文提出了一種多層次的垃圾郵件過濾解決方案，構建了一個功能完善的垃圾郵件過濾系統(tǒng)。
　　在充分了解各種郵件過濾技術優(yōu)缺